Python 提前停止使用验证回调

我试图用验证（val_loss）回调，但验证没有发生。此警告显示为“警告：tensorflow：根据不可用的度量值

val_loss

提前停止。可用度量值为：损失、精度”

---

在此处提供解决方案（答案部分），即使该解决方案出现在评论部分中，也是为了社区的利益

上述代码包括

提前停止

和

model.fit

如果我们删除参数，

验证\u步骤

就可以正常工作

工作代码如下所示：

check=callbacks.EarlyStopping(monitor='val_accuracy', mode='auto',patience=2,verbose=1)
 

history = model.fit(train_dataset,
                              steps_per_epoch=163,
                              epochs=10,
                              validation_data=val_dataset,
                              callbacks = [check])

原因可以从与参数相对应的

validation\u steps

中理解，如下所示：

check=callbacks.EarlyStopping(monitor='val_accuracy', mode='auto',patience=2,verbose=1)
 

history = model.fit(train_dataset,
                              steps_per_epoch=163,
                              epochs=10,
                              validation_data=val_dataset,
                              callbacks = [check])

验证步骤：仅当提供了验证数据且为tf.data数据集时相关。到的步骤总数（样本批次） 每次结束时执行验证时，停止前绘制 纪元如果“验证步骤”为“无”，则验证将运行到 验证数据集已耗尽。在无穷大的情况下 重复数据集，它将运行到一个无限循环中。如果 已指定“验证\u步骤”，并且将只显示数据集的一部分 使用后，评估将从数据集的开头开始 在每个时代。这确保使用相同的验证样本 每一次

---

是否尝试跳过验证步骤参数？您的数据长度/大小是多少？在我看来，您的validation_steps参数可能高于您可用的验证数据的实际大小（val_dataset，如您所定义），您可以添加model.compile语句吗？还有完整的代码，可以重现错误。谢谢，@IvanPetrovicMarkovic我删除了验证步骤，它成功了。虽然我只将验证步骤计算为len/size。